Seizure identification by clinical description in temporal lobe epilepsy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine the accuracy of the clinical history performed by epileptologists in the identification of seizures in patients with suspected temporal lobe epilepsy. METHODS: The clinical and EEG telemetry (EEGT) monitoring data of 88 patients with suspected refractory temporal lobe seizures referred for evaluation of epilepsy surgery were prospectively evaluated. All clinical events obtained by history in these patients were adjudicated as being a seizure or not by two blinded (without access to EEG data) independent epileptologists. Each clinical event was then matched with the corresponding clinical event recorded with EEG telemetry in the epilepsy monitoring unit (gold standard). Sensitivity, specificity, overall accuracy, predictive value, and interrater agreement for the clinical assessment were obtained. RESULTS: Of 357 clinically different events, 175 (49%) were reproduced in the epilepsy monitoring unit. Only 10 events were misidentified by history as being a seizure or not, resulting in an overall clinical accuracy of 94%. Epileptologists' sensitivity for seizure identification was 96% (95% CI 92, 98%) but specificity was only 50% (95% CI 22, 79%). Accuracy for complex partial seizures and generalized seizures was higher than for simple partial seizures (SPS). Misidentification occurred only with SPS and nonepileptic events. Agreement beyond chance among epileptologists was good. CONCLUSION: In this selected group of patients with temporal lobe epilepsy, seizure identification by clinical history is highly accurate. Epileptologists rarely miss seizures (high sensitivity) but more often overcall nonepileptic events as seizures (low specificity).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle